CN113142170B - 一种适用于稻田的无人机智能化定点除草技术 - Google Patents
一种适用于稻田的无人机智能化定点除草技术 Download PDFInfo
- Publication number
- CN113142170B CN113142170B CN202110339911.7A CN202110339911A CN113142170B CN 113142170 B CN113142170 B CN 113142170B CN 202110339911 A CN202110339911 A CN 202110339911A CN 113142170 B CN113142170 B CN 113142170B
- Authority
- CN
- China
- Prior art keywords
- green
- unmanned
- plant protection
- herbicide
- protection machine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009333 weeding Methods 0.000 title claims abstract description 20
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 9
- 235000009566 rice Nutrition 0.000 title claims abstract description 9
- 238000005516 engineering process Methods 0.000 title claims abstract description 8
- 240000007594 Oryza sativa Species 0.000 title claims abstract 3
- 241000196324 Embryophyta Species 0.000 claims abstract description 74
- 239000004009 herbicide Substances 0.000 claims abstract description 30
- 238000005507 spraying Methods 0.000 claims abstract description 29
- 230000002363 herbicidal effect Effects 0.000 claims abstract description 28
- 238000007667 floating Methods 0.000 claims description 16
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000007921 spray Substances 0.000 claims description 7
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 241001233957 eudicotyledons Species 0.000 claims 1
- 238000002054 transplantation Methods 0.000 abstract description 4
- 241000209094 Oryza Species 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000007789 sealing Methods 0.000 description 2
- 229920003266 Leaf® Polymers 0.000 description 1
- 231100000674 Phytotoxicity Toxicity 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0025—Mechanical sprayers
- A01M7/0032—Pressure sprayers
- A01M7/0042—Field sprayers, e.g. self-propelled, drawn or tractor-mounted
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D1/00—Dropping, ejecting, releasing, or receiving articles, liquids, or the like, in flight
- B64D1/16—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting
- B64D1/18—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting by spraying, e.g. insecticides
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pest Control & Pesticides (AREA)
- Insects & Arthropods (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种适用于稻田的无人机智能化定点除草技术，包括如下步骤：(1)进行航拍图像采集；(2)在航拍图上，以实际距离单位面积的比例，将移栽田等分为n个正方形单格；(3)分别计算单格内绿色占比，并进行多级归类；(4)划定航拍图中每个单格的坐标系α；(5)将坐标系α输入无人植保机，无人植保机携带除草剂，按m个发生级分别以不同的喷施剂量进行除草剂喷施作业。采用多光谱无人机对插秧后15‑30天的移栽田进行全田扫描，对各个杂草发生斑块进行精确定位，建立斑块发生的坐标，再将坐标信息共享给无人植保机，对各个发生斑块进行精确施药，大大减少插后15‑30天“一杀”的除草剂用量。
Description
技术领域
本发明属于农业生产技术领域，具体涉及一种适用于稻田的无人机智能化定点除草技术。
背景技术
“一封一杀”为移栽田杂草防除的主要模式，即插秧前/后封闭1次，以及插秧后15-30天喷施除草剂杀草1次。该模式下，“一封一杀”通常均采用全田施药方式。然而，插秧后15-30天，移栽田杂草发生通常呈斑块状，总发生面积通常约田面的10%至40%间，全田喷施除草剂不但利用率低、增加除草成本，还对苗期水稻造成不同程度的药害，影响最终的产量。
发明内容
本发明所要解决的技术问题是针对上述现有技术的现状，而提供喷施精度高、除草剂用量少、喷施效率高、除草效果明显的一种适用于稻田的无人机智能化定点除草技术。
本发明解决上述技术问题所采用的技术方案为：一种适用于稻田的无人机智能化定点除草技术，包括如下步骤：
(1)利用多光谱无人机按规划航线对移栽田进行图像采集，生成航拍图并采集坐标信息；
(2)在航拍图上，以实际距离单位面积的比例，将移栽田等分为n个正方形单格；
(3)分别计算单格内绿色占各自单格的百分比，并将各单格按绿色占比由少到多进行多级归类，归类的级数为m,其中m≥3；
(4)划定航拍图中每个单格的坐标系α((x1,y1),(x2,y2)…(xiyi))；
(5)将坐标系α输入无人植保机，无人植保机携带除草剂，基于坐标系α，无人植保机自动飞临每个节点，按m个发生级设定逐级递增的喷施剂量进行除草剂喷施作业。
为优化上述技术方案，采取的措施还包括：
上述的m=5，各级的绿色占比分别为0-5%、5-10%、11-40%、41-70%、71-100%；逐级递增的喷施剂量分别为推荐剂量的5%，10%，40%，70%，100%，采用不同喷雾压力来实现。
上述除草方案是针对大多数杂草的除草方案，针对特定杂草，普通除草剂无法有效消杀，需要使用这种植物的专门除草剂，这种情况下，再对每个单格的绿色部分的图像进行二值化处理，并提取出形态特征，再将形态特征与杂草俯视样本库中的标准图像进行对比，判断出单格中的杂草种类；无人植保机携带针对相应种类杂草的除草剂对此单格进行喷施作业。
上述的无人植保机以形态特征的中心为临时坐标进行喷施作业。
上述除草方案是针对特定杂草的除草，单浮游的尚未扎根的杂草依然无法消杀，因为这些浮游的杂草的叶子大多漂在水面以下，或者残根连同残叶漂浮于水面，需要加大剂量，并且要抑制其生根，再次重复(1)至(3)步骤至少2遍，由于田中水流流动相对平缓，漂浮的杂草需要较长时间才能观测出移动状态，所以每一遍重复(1)至(3)步骤的时间间隔为1小时，并且每一遍所遵循的绿色占比的标准相同，在最后一遍测算结束后，获得各单格的绿色占比变化，即为浮游杂草的游离变化，进入(4)，无人植保机携带抑制双子叶植物生根的除草剂对绿色占比变化幅度大于20%的单格进行喷施作业。绿色占比变化幅度大于20%的单格说明有浮游杂草的流出或流入。
在绿色占比的变化幅度大于20%的两个单格之间的区域，由于浮游杂草的流进流出，必然会导致这片区域包含浮游杂草，无人植保机按推荐剂量的100%进行喷施作业。
上述的单格在移栽田中对应的实际单位面积是1m×1m。
上述的移栽田长40m，宽40m，多光谱无人机悬停高度为2.5m。
计算单格内绿色占各自单格的百分比是用AdobePhotoshop图像处理软件的2015以上版本，其计算步骤如下：
第一步，在Photoshop中截取待测图片的范围；
第二步，从菜单栏的“窗口”中调出“直方图”，并出于“扩展视图”模式；
第三步，在第二步中的“直方图”中看到的像素数量即为总像素值；
第四步，从菜单栏的“窗口”中调出“色彩范围”，并用吸管吸取绿色后点击确定，这时“直方图”中就会显示绿色的像素值。
绿色像素值除以总像素值就等于绿色占比。
与现有技术相比，本发明的一种适用于稻田的无人机智能化定点除草技术，包括如下步骤：
(1)利用多光谱无人机按规划航线对移栽田进行图像采集，生成航拍图并采集坐标信息；
(2)在航拍图上，以实际距离单位面积的比例，将移栽田等分为n个正方形单格；
(3)分别计算单格内绿色占各自单格的百分比，并将各单格按绿色占比由少到多进行多级归类，归类的级数为m,其中m≥3；
(4)划定航拍图中每个单格的坐标系α((x1,y1),(x2,y2)…(xiyi))；
(5)将坐标系α输入无人植保机，无人植保机携带除草剂，基于坐标系α，无人植保机自动飞临每个节点，按m个发生级设定逐级递增的喷施剂量进行除草剂喷施作业。因此，采用多光谱无人机对插秧后15-30天的移栽田进行全田扫描，对各个杂草发生斑块进行精确定位，建立斑块发生的坐标，再将坐标信息共享给无人植保机，对各个发生斑块进行精确施药，可大大减少插后15-30天“一杀”的除草剂用量，平均减药量可达70%以上。
附图说明
图1是本发明移栽田单格划分及杂草分布示意图；
图2是本发明实施例一的流程示意图；
图3是本发明实施例二的流程示意图；
图4是本发明实施例三的流程示意图；
图5是实施例一中绿色占比对应的除草剂喷施剂量对照表。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
实施例一，如图2所示，一种适用于稻田的无人机智能化定点除草技术，包括如下步骤：
(1)利用多光谱无人机按规划航线对移栽田进行图像采集，生成航拍图并采集坐标信息；
(2)在航拍图上，以实际距离单位面积的比例，将移栽田等分为n个正方形单格；
(3)分别计算单格内绿色占各自单格的百分比，并将各单格按绿色占比由少到多进行多级归类，归类的级数为m,其中m≥3；
(4)划定航拍图中每个单格的坐标系α((x1,y1),(x2,y2)…(xiyi))，坐标系α位于每个单格的中心；
(5)将坐标系α输入无人植保机，无人植保机携带除草剂，基于坐标系α，无人植保机自动飞临每个节点，按m个发生级设定逐级递增的喷施剂量进行除草剂喷施作业。
实施例中，如图5所示，m=5，各级的绿色占比分别为0-5%、5-10%、11-40%、41-70%、71-100%；逐级递增的喷施剂量分别为推荐剂量的5%，10%，40%，70%，100%，各级喷施剂量可分别用T1、T2、T3、T4、T5做标记，不同的喷雾量采用不同喷雾压力来实现。推荐剂量是以传统喷施作业时每平米推荐施药量来定的。
实施例中，除草剂使用光谱除草剂，但为了确保秧苗安全优选抑制双子叶植物叶绿素合成的除草剂。
实施例二，如图3所示，是针对特定种类的杂草进行喷杀，实施例一的除草方案是针对大多数杂草的除草方案，针对特定杂草，普通除草剂无法有效消杀，需要使用这种植物的专门除草剂，这种情况下，在实施例一的基础上再对每个单格的绿色部分的图像进行二值化处理，并提取出形态特征，再将形态特征与杂草俯视样本库中的标准图像进行对比，判断出单格中的杂草种类；无人植保机携带针对相应种类杂草的除草剂对此单格进行喷施作业。杂草俯视样本库中的标准图像是事先将已知杂草的航拍图进行统计归纳得到，不同的杂草在低空航拍时会呈现不同的形态特征。通过对杂草二值化噪点和阈值的调整设置，能够比较精确地和标准图像进行对比。
实施例中，无人植保机以形态特征的中心为临时坐标进行喷施作业，能够确保除草剂能最大限度喷洒在杂草的中心位置。
实施例三，如图4所示，是针对漂浮游离的杂草进行生根抑制，实施例二的除草方案是针对特定杂草的除草，单浮游的尚未扎根的杂草依然无法消杀，因为这些浮游的杂草的叶子大多漂在水面以下，或者没有叶子，只有残根漂浮于水面，需要加大剂量，并且要抑制其生根，在实施例二的基础上再次重复(1)至(3)步骤至少2遍，每一遍的时间间隔为1小时，并且每一遍所遵循的绿色占比的标准相同，在最后一遍测算结束后，获得各单格的绿色占比变化，即为浮游杂草的游离变化，进入(4)，无人植保机携带抑制双子叶植物生根的除草剂对绿色占比变化幅度大于20%的单格进行喷施作业。
实施例中，在绿色占比的变化幅度大于20%的两个单格之间的区域，由于浮游杂草的流进流出，必然会导致这片区域包含浮游杂草，无人植保机按推荐剂量的100%进行喷施作业。
实施例中，单格在移栽田中对应的实际单位面积是1m×1m。
实施例中，移栽田长40m，宽40m，多光谱无人机悬停高度为2.5m。
实施例中，计算单格内绿色占各自单格的百分比是用AdobePhotoshop图像处理软件的2015以上版本，其计算步骤如下：
第一步，在Photoshop中截取待测图片的范围；
第二步，从菜单栏的“窗口”中调出“直方图”，并出于“扩展视图”模式；
第三步，在第二步中的“直方图”中看到的像素数量即为总像素值；
第四步，从菜单栏的“窗口”中调出“色彩范围”，并用吸管吸取绿色后点击确定，这时“直方图”中就会显示绿色的像素值。
绿色像素值除以总像素值就等于绿色占比。
本发明的最佳实施例已阐明，由本领域普通技术人员做出的各种变化或改型都不会脱离本发明的范围。
Claims (3)
1.一种适用于稻田的无人机智能化定点除草技术，其特征是，包括如下步骤：
(1)利用多光谱无人机按规划航线对移栽田进行图像采集，生成航拍图并采集坐标信息；
(2)在航拍图上，以实际距离单位面积的比例，将移栽田等分为n个正方形单格；
(3)分别计算单格内绿色占各自单格的百分比，并将各单格按绿色占比由少到多进行多级归类，归类的级数为m,其中m≥3；
(4)划定航拍图中每个单格的坐标系α((x1,y1),(x2,y2)…(xiyi))；
(5)将坐标系α输入无人植保机，无人植保机携带除草剂，基于坐标系α，无人植保机自动飞临每个节点，按m个发生级设定逐级递增的喷施剂量进行除草剂喷施作业；
m=5，各级的绿色占比分别为0-5%、5-10%、11-40%、41-70%、71-100%；逐级递增的喷施剂量分别为推荐剂量的5%，10%，40%，70%，100%；
对每个单格的绿色部分的图像进行二值化处理，并提取出形态特征，再将形态特征与杂草俯视样本库中的标准图像进行对比，判断出单格中的杂草种类；无人植保机携带针对相应种类杂草的除草剂对此单格进行喷施作业；
所述的无人植保机以形态特征的中心为临时坐标进行喷施作业；
再次重复(1)至(3)步骤至少2遍，每一遍的时间间隔为1小时，并且每一遍所遵循的绿色占比的标准相同，在最后一遍测算结束后，获得各单格的绿色占比变化，即为浮游杂草的游离变化，进入(4)和(5)，所述的无人植保机携带抑制双子叶植物生根的除草剂对绿色占比变化幅度大于20%的单格进行喷施作业。
2.根据权利要求1所述的一种适用于稻田的无人机智能化定点除草技术，其特征是：在绿色占比的变化幅度大于20%的两个单格之间的区域，无人植保机按推荐剂量的100%进行喷施作业。
3.根据权利要求1至2任一权利要求所述的一种适用于稻田的无人机智能化定点除草技术，其特征是：计算单格内绿色占各自单格的百分比是用AdobePhotoshop图像处理软件的2015以上版本，其计算步骤如下：
第一步，在Photoshop中截取待测图片的范围；
第二步，从菜单栏的“窗口”中调出“直方图”，并出于“扩展视图”模式；
第三步，在第二步中的“直方图”中看到的像素数量即为总像素值；
第四步，从菜单栏的“窗口”中调出“色彩范围”，并用吸管吸取绿色后点击确定，这时“直方图”中就会显示绿色的像素值，绿色像素值除以总像素值就等于绿色占比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110339911.7A CN113142170B (zh) | 2021-03-30 | 2021-03-30 | 一种适用于稻田的无人机智能化定点除草技术 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110339911.7A CN113142170B (zh) | 2021-03-30 | 2021-03-30 | 一种适用于稻田的无人机智能化定点除草技术 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113142170A CN113142170A (zh) | 2021-07-23 |
| CN113142170B true CN113142170B (zh) | 2022-05-27 |
Family
ID=76885796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110339911.7A Active CN113142170B (zh) | 2021-03-30 | 2021-03-30 | 一种适用于稻田的无人机智能化定点除草技术 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113142170B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114467900B (zh) * | 2022-02-17 | 2022-12-27 | 南京林业大学 | 一种草坪除草剂精准喷施方法 |
| CN114747561B (zh) * | 2022-04-27 | 2023-05-16 | 中垦种业股份有限公司 | 一种小麦田高效除草方法 |
| CN115251024B (zh) * | 2022-08-29 | 2023-11-21 | 北京大学现代农业研究院 | 除草方式的确定方法、装置、电子设备及除草系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| HU3056U (en) * | 2005-04-29 | 2006-03-28 | G & G Noevenyvedelmi Es Keresk | Construction for making weed map |
| CN103477920B (zh) * | 2013-10-14 | 2015-05-27 | 南京农业大学 | 一种生态除草方法 |
| CN109258601B (zh) * | 2018-08-10 | 2020-10-23 | 华南农业大学 | 一种智能化的除草无人机自动对靶喷雾流量控制装置与方法 |
| CN109122634A (zh) * | 2018-08-10 | 2019-01-04 | 华南农业大学 | 一种基于机器视觉的无人机区域对靶变量施药控制装置与方法 |
| CN109197275B (zh) * | 2018-10-18 | 2021-05-07 | 东莞极飞无人机科技有限公司 | 杂草种类的识别方法及装置、施药信息的确定方法 |
| CN109197278B (zh) * | 2018-10-18 | 2021-01-19 | 广州极飞科技有限公司 | 作业策略的确定方法及装置、药物喷洒策略的确定方法 |
| CN210503198U (zh) * | 2019-01-25 | 2020-05-12 | 西北农林科技大学 | 可搭载于无人机的双腔药箱及基于该药箱的喷施作业装置 |
| CN111387169A (zh) * | 2020-04-24 | 2020-07-10 | 东北农业大学 | 一种基于人工智能技术的多喷路可控喷幅式精准对靶除草模块 |
-
2021
- 2021-03-30 CN CN202110339911.7A patent/CN113142170B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113142170A (zh) | 2021-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113142170B (zh) | 一种适用于稻田的无人机智能化定点除草技术 | |
| CN111596689B (zh) | 一种基于大数据物联网的智慧农业植保作业控制系统 | |
| CN100437629C (zh) | 一种自动识别田间杂草的方法 | |
| CN109197278B (zh) | 作业策略的确定方法及装置、药物喷洒策略的确定方法 | |
| CN100416590C (zh) | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 | |
| Smith | Management of Peanut Foliar Dis | |
| WO2018232860A1 (zh) | 一种基于物联网的农作物生长管理方法及系统 | |
| CN106688705A (zh) | 一种智能种植大棚及其采用的监测方法 | |
| CN111460998B (zh) | 一种动态喷洒方法及其系统 | |
| CN1628513A (zh) | 农药精确对靶施用方法 | |
| Walklate et al. | Optimising the adjustment of label-recommended dose rate for orchard spraying | |
| CN102339378A (zh) | 一种自动提取棉苗的方法及其装置 | |
| Farrington | Economic thresholds of insect pest infestation in peasant agriculture: a question of applicability | |
| Xu et al. | Research and application on corn crop identification and positioning method based on Machine vision | |
| Colbach et al. | Blackgrass (Alopecurus myosuroides Huds.) seed dispersal from a single plant and its consequences on weed infestation | |
| Brust et al. | Do cover crop mixtures have the same ability to suppress weeds as competitive monoculture cover crops? | |
| Zhou et al. | Dosage adjustment for pesticide application in vineyards | |
| Sampurno et al. | Weed control decision support system based on precision agriculture approach | |
| Sharda et al. | Design and evaluation of solid set canopy delivery system for spray application in high-density apple orchards | |
| CN109329252A (zh) | 基于农机农艺融合的双臂篱架式葡萄园航空施药作业方法 | |
| Hong et al. | Adaptive target spray system based on machine vision for plant protection UAV | |
| CN109445461A (zh) | 基于农机农艺融合的单臂篱架式葡萄园航空施药作业方法 | |
| Herdt et al. | Exploring the gap between potential and actual rice yield in the Philippines | |
| CN105261045B (zh) | 一种快速评估苜蓿病虫害损失程度的数字化方法 | |
| Maeda et al. | Measurement of Tomato Leaf Area Using Depth Camera |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |